論文の概要: A Waste Copper Granules Rating System Based on Machine Vision
- arxiv url: http://arxiv.org/abs/2207.04575v2
- Date: Thu, 14 Jul 2022 01:39:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-15 10:27:44.406399
- Title: A Waste Copper Granules Rating System Based on Machine Vision
- Title（参考訳）: 機械視による廃銅粒度評価システム
- Authors: Kaikai Zhao, Yajie Cui, Zhaoxiang Liu, and Shiguo Lian
- Abstract要約: 本稿では,マシンビジョンとディープラーニングに基づく銅グラニュラー評価システムを提案する。
本システムは, 精度, 有効性, 頑健性, 客観性の観点から, 手動法よりも優れている。
- 参考スコア（独自算出の注目度）: 2.0342996661888995
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the field of waste copper granules recycling, engineers should be able to
identify all different sorts of impurities in waste copper granules and
estimate their mass proportion relying on experience before rating. This manual
rating method is costly, lacking in objectivity and comprehensiveness. To
tackle this problem, we propose a waste copper granules rating system based on
machine vision and deep learning. We firstly formulate the rating task into a
2D image recognition and purity regression task. Then we design a two-stage
convolutional rating network to compute the mass purity and rating level of
waste copper granules. Our rating network includes a segmentation network and a
purity regression network, which respectively calculate the semantic
segmentation heatmaps and purity results of the waste copper granules. After
training the rating network on the augmented datasets, experiments on real
waste copper granules demonstrate the effectiveness and superiority of the
proposed network. Specifically, our system is superior to the manual method in
terms of accuracy, effectiveness, robustness, and objectivity.
- Abstract（参考訳）: 廃銅顆粒リサイクルの分野において, 技術者は廃銅顆粒中のあらゆる種類の不純物を識別し, 評価前の経験に依存する質量比率を推定できるべきである。
この手動評価法は、客観性と包括性に欠ける費用がかかる。
そこで本研究では, 機械視と深層学習に基づく廃銅粒度評価システムを提案する。
まず,評価タスクを2次元画像認識および純度回帰タスクに定式化する。
次に, 2段階の畳み込みレーティングネットワークを設計し, 廃棄物銅顆粒の質量純度と評価レベルを算出する。
評価ネットワークにはセグメンテーションネットワークと純度回帰ネットワークが含まれており、それぞれ、廃銅顆粒のセグメンテーションヒートマップと純度結果を算出する。
拡張データセット上で評価ネットワークをトレーニングした後、実廃銅顆粒実験により、提案したネットワークの有効性と優位性を示す。
具体的には, 精度, 有効性, 頑健性, 客観性の観点から, マニュアル方式よりも優れている。
関連論文リスト
- WasteGAN: Data Augmentation for Robotic Waste Sorting through Generative Adversarial Networks [7.775894876221921]
ムダGANと呼ばれる新しいGANアーキテクチャに基づくデータ拡張手法を提案する。
提案手法は,ラベル付きサンプルのごく限られたセットから,セマンティックセグメンテーションモデルの性能を向上させることができる。
次に、ムダGAN合成データに基づいて訓練されたモデルから予測される高品質なセグメンテーションマスクを活用し、セグメンテーション・アウェア・グルーピング・ポーズを計算する。
論文 参考訳（メタデータ） (2024-09-25T15:04:21Z) - EWasteNet: A Two-Stream Data Efficient Image Transformer Approach for
E-Waste Classification [0.0]
e-wasteの適切な処理は、地球環境と健康のリスクを引き起こす。
電子デバイスの8種類の画像からなる包括的データセットを提示した。
また,EWasteNetは,高精度なE-waste画像分類のための新しい2ストリームアプローチである。
論文 参考訳（メタデータ） (2023-09-28T13:12:45Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳（メタデータ） (2022-11-01T13:58:02Z) - A Systematic Evaluation of Node Embedding Robustness [77.29026280120277]
本研究では,ノード埋め込みモデルのランダムおよび逆毒攻撃に対する経験的ロバスト性を評価する。
ネットワーク特性とノードラベルを用いて計算したエッジの追加,削除,再切り替えの戦略を比較した。
その結果,ノード分類はネットワーク再構成とは対照的に,高い性能劣化に悩まされていることがわかった。
論文 参考訳（メタデータ） (2022-09-16T17:20:23Z) - Batch Normalization Tells You Which Filter is Important [49.903610684578716]
我々は,事前学習したCNNのBNパラメータに基づいて,各フィルタの重要性を評価することによって,簡易かつ効果的なフィルタ刈取法を提案する。
CIFAR-10とImageNetの実験結果から,提案手法が優れた性能を発揮することを示す。
論文 参考訳（メタデータ） (2021-12-02T12:04:59Z) - Towards artificially intelligent recycling Improving image processing
for waste classification [0.0]
IBMのWastenetプロジェクトは、廃棄物の分類に人工知能を用いてリサイクルを改善することを目的としている。
本稿では,移動学習とデータ拡張技術を用いて,このプロジェクトを基盤とする。
その結果、これらの拡張技術により、最終モデルのテスト精度は95.40%向上した。
論文 参考訳（メタデータ） (2021-08-09T21:41:48Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Mixed-Privacy Forgetting in Deep Networks [114.3840147070712]
大規模画像分類タスクにおいてトレーニングされたネットワークの重みからトレーニングサンプルのサブセットの影響を除去できることを示す。
そこで本研究では,混合プライバシー設定における「忘れ」という新しい概念を導入する。
提案手法は,モデル精度のトレードオフを伴わずに忘れることができることを示す。
論文 参考訳（メタデータ） (2020-12-24T19:34:56Z) - Progressively Guided Alternate Refinement Network for RGB-D Salient
Object Detection [63.18846475183332]
我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。
そこで本研究では,改良のための改良ネットワークを提案する。
我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
論文 参考訳（メタデータ） (2020-08-17T02:55:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。